AI でデータソースをクエリする

自然で会話的な言葉を使って、データに関するインサイトを発見し、チャートやグラフをリアルタイムに生成できます。

Squid の Query with AI 機能を使うと、database connector 内のデータと対話できます。ユーザーは自然言語で書けるプロンプトを提供します。Query with AI は、結果を得るために実行したクエリとともに、自然言語での説明を返します。

Query with AI を使えば、クエリやグラフ描画の関数を書かなくても、誰でも重要なデータポイントを見つけたり、チャートやグラフを生成したり、データに関する質問への回答を得たりできます。

ユースケース

Squid AI を使って、データの人間が読みやすい説明を得ることができます。以下はプロンプト例です。

• チームAはチームBに対して何勝していますか？
• 2022年の売上の折れ線グラフを作成してください。x は月、y はドル建ての売上合計値を表します。
• お客様から最もよく寄せられる質問は何ですか？

Query with AI は Squid プラットフォームの強力なツールであり、複雑な質問やクエリを簡素化するために使用できます。次のガイドでは、主要な概念をコードスニペットとともに概説します。website で例をご覧ください。

database connector を設定する

Query with AI は database connector 上でクエリを実行します。AI がデータを理解するために、まずデータベースの schema（collections と fields の一覧）を参照します。Squid AI は、どのクエリを作成するか判断するのに役立つよう、これらの collections と fields の説明も利用します。

collection と field の説明を提供する方法は 2 つあります。

• 自分の言葉で手動で説明を入力する
• Squid AI に schema の説明を生成させる

説明を手動で入力する

次の手順に従って database schema を表示し、collection と field の説明を提供します。

1. Squid Console で Connectors タブをクリックし、クエリしたいデータベースを見つけます。

まだ Squid AI で使いたいデータベースを接続していない場合は、ここで connector を追加してください。database connector の設定について詳しくは、database connectors documentation を参照してください。database connector を追加したら、次のステップに進めます。あるいは、Squid の built-in database を使用することもできます。

2. database connector の ellipsis (…) ボタンをクリックし、ドロップダウンメニューから Schema を選択します。

3. データベースに既に存在するデータに基づいて schema を更新するには、Rediscover schema をクリックします。あるいは、コンソール上で schema を直接編集することもできます。

4. collection 名の右側にある鉛筆ボタンをクリックして、collections に説明を追加します。fields に説明を追加するには、field の ellipsis (…) をクリックし、ドロップダウンメニューから Edit field を選択します。

5. schema の再検出または説明の編集後、Save schema をクリックして更新を公開します。

AI 生成の説明を使用する

Squid AI は、collection と field の説明を代わりに生成できます。この機能は、collection から少量のデータをクエリし、そのデータを schema とともに OpenAI に渡します。

Note

Squid が使用する LLM は、モデル学習のためにあなたのデータを使用することは決してありません。database のデータを LLM に渡したくない場合は、AI-generated descriptions を使用しないでください。Query with AI 機能は database のデータを一切送信しないため、手動で作成した説明を用いて機能を引き続き利用できます。

次の手順に従って database schema を表示し、AI 生成の collection と field の説明を作成します。

1. Squid Console で Connectors タブをクリックし、クエリしたいデータベースを見つけます。

まだ Squid AI で使いたいデータベースを接続していない場合は、ここで connector を追加してください。database connector の設定について詳しくは、database connectors documentation を参照してください。database connector を追加したら、次のステップに進めます。あるいは、Squid の built-in database を使用することもできます。

2. database connector の ellipsis (…) ボタンをクリックし、ドロップダウンメニューから Schema を選択します。

3. データベースに既に存在するデータに基づいて schema を更新するには、Rediscover schema をクリックします。あるいは、コンソール上で schema を直接編集することもできます。

4. Generate Descriptions with AI ボタンをクリックして、schema 内のすべての collections と fields の説明を生成します。データベース schema のサイズによっては、少し時間がかかる場合があります。生成後に collection と fields の説明を手動で確認し、編集できます。

5. schema の再検出または説明の編集後、Save schema をクリックして更新を公開します。

自分のデータで Squid AI をテストする

schema の設定が完了し説明を追加したら、コンソールで Squid AI を使ってデータをクエリできます。database connector の schema ビューで Query with AI ボタンをクリックします。提供される AI agent にデータの詳細を質問し、応答をテストできます。

Note

Query with AI の応答には、生成される質問とクエリの複雑さに応じて数秒から数分かかる場合があります。Squid AI がコーディングを処理するため、プロセスが簡素化されます。

backend に Squid AI を追加する

Squid backend で Query with AI を使用して、データに関する質問をプログラムから行えます。

次の例では、executeAiQuery メソッドを使用して、executable 内で AI クエリを実行します。

TypeScript

Backend code

export class SquidAiDataService extends SquidService {
  @executable()
  async askQuestion(question: string): Promise<string> {
    const aiResponse = await this.squid.ai().executeAiQuery('DATABASE_CONNECTOR_ID', question);

    // Log results to view in Squid Console logs
    console.log(
      `Question: ${question}
        Query: ${aiResponse.executedQuery ?? 'No query executed'}
        Explanation: ${aiResponse.explanation ?? 'No explanation'}`
    );
    // Send the answer to the client
    return aiResponse.answer;
  }
}

Python

Backend code

from squidcloud_backend import SquidService, executable


class SquidAiDataService(SquidService):
    @executable()
    async def ask_question(self, question: str) -> str:
        ai_response = await self.squid.execute_ai_query('DATABASE_CONNECTOR_ID', question)

        # Log results to view in Squid Console logs
        print(
            f"Question: {question}\n"
            f"  Query: {ai_response.get('executedQuery', 'No query executed')}\n"
            f"  Explanation: {ai_response.get('explanation', 'No explanation')}"
        )
        # Send the answer to the client
        return ai_response['answer']

次のステップ

自分のデータで Query with AI を試してみたいですか？完全なコードサンプルと手順については、tutorial を確認して、数分で起動して実行できる方法をご覧ください！